CN116880434A - 网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 - Google Patents
网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 Download PDFInfo
- Publication number
- CN116880434A CN116880434A CN202310735701.9A CN202310735701A CN116880434A CN 116880434 A CN116880434 A CN 116880434A CN 202310735701 A CN202310735701 A CN 202310735701A CN 116880434 A CN116880434 A CN 116880434A
- Authority
- CN
- China
- Prior art keywords
- network
- unmanned
- cloud
- fog
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 title description 10
- 239000006185 dispersion Substances 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 239000003595 mist Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 5
- 238000004138 cluster model Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出一种空地异构无人集群协同控制方法，涉及无人集群技术领域。首先，通过分析无人机、无人车的运动学及动力学特性建立各智能单元模型，引入云雾计算架构、聚集‑分散函数建立空地异构无人集群系统模型，定义云网络、雾网络的误差模型，并且建立拒绝服务攻击Denial of Service(Dos)模型；其次，采用事件触发机制减少DOS攻击所带来的影响，设计基于领导跟随策略的云网络渐进一致性控制律；最后，采用事件触发机制设计雾网络分布式平均一致性控制律，对云网络所传输的参考一致性信号进行追踪，从而实现攻击下空地无人集群安全协同控制。
Description
技术领域
本发明提出一种涉及无人集群技术领域的空地异构无人集群协同控制方法。
技术背景
由于其强大的分布式协同感知和并行执行能力，集群协同控制近年来被广泛应用于交通车辆控制、编队控制、传感器网络、智能电网以及军事领域。集群系统由具有一定自组织能力的智能单元组成，通过数据共享、动态组网和单元之间的协调来实现整个任务。在日益复杂和多样化的集群任务环境和需求下，为了进一步提高群体工作效率，异构智能单元组成的集群系统逐渐被研究。与同构系统相比，异构系统具有更强的检测和协作能力。其中，由多架无人机和无人车组成的集群系统是异构控制系统的一个重要研究方向，该系统能够实现空、地优势互补，提高任务执行效率。然而，对于异构集群的控制特性，特别是通信网络和分离聚合等自组织特性的研究较少。此外，随着集群规模的扩大，通信负担也会增加，导致具有自主处理器的传统智能单元资源分配不足，计算量过大。
随着互联网技术的快速发展，其提供的开放、强大的计算能力和高带宽的网络平台，为智能单元间的信息交互提供了保障，有利于解决上述大规模集群的研究所存在的问题。目前已有基于网络的领导跟随策略一致性方法、基于网络的故障检测和一致性控制方法等。将云计算引入到集群系统中可进一步提高集群的通信和计算能力，其将本地计算任务转移到远程的云服务器上，突破了距离的限制，提高了移动智能单元的计算能力。云计算虽然简单方便，但云服务器一般距离移动智能单元较远，导致数据传输距离较长，不可避免地会导致延迟和增加通信代价的问题。并且随着集群规模扩大，云计算会产生大量的数据，可能导致本地网络拥塞和服务器过载，丢包率增加，服务器故障。此外，传统的事件触发控制在控制过程产生的大量冗余数据也会导致上述网络问题的发生，直接导致集群系统控制故障。
为了解决网络通信问题，可在控制过程中引入事件触发机制与雾网络计算方法。与时间触发机制相比，事件触发方法的采样间隔灵活，既保证了系统的稳定性，又减少了资源消耗。云雾协同控制将雾计算引入云计算，以提高网络冗余度和计算速度。与云计算相比，雾计算具有较低的能耗，可分布式处理数据，支持异构，支持实时通信，进一步扩大了集群通信网络的范围。然而，在现有的云雾协同研究中，无论是以提高网络资源利用率为目标的云雾混合研究，还是以多智能体系统为控制对象的云雾混合研究，都缺乏对复杂异构智能单元的深入研究。
采用云雾网络架构的集群系统还面临着随时可能遭遇恶意网络攻击的问题。目前，常见的群网攻击形式有拒绝服务攻击(Denial of Service，Dos)攻击、重放攻击(RA)、欺骗攻击(SA)等。Dos攻击因其简单性和较大的攻击范围而受到攻击者的青睐。其目标是耗尽被攻击目标的网络资源，使合法用户的请求不能得到满足。为了解决这一问题，目前也取得了一定成果，如针对异构多智能体的事件触发预测控制算法，降低了Dos攻击和传输延迟的负面影响；在Dos攻击和干扰下，设计分布式观测器，实现了非线性多智能体系统的一致性。
综上所述，目前对无人空地协同集群的研究主要存在以下三个局限性。1)群体模型过于理想化，忽略了对智能单元自身执行过程或异构协同过程产生的非线性项，没有充分考虑集群的动态组网、分离、聚集等特点。2)大规模网络集群的控制和计算结构尚不完善，均缺乏灵活性和可扩展性或缺乏详细分析的解决方案。3)在复杂且随机的Dos攻击下，当集群数量增加导致网络攻击概率增加时大规模异构集群系统的安全一致性难以保证。因此，研究基于云雾计算的网络攻击下异构非线性集群系统的协同控制具有一定理论意义与现实价值。
发明内容
本发明的目的是针对网络攻击下的空地无人集群系统，通过引入云雾计算架构以及分散-聚合函数设计了一种基于事件触发机制的空地无人集群安全协同控制算法，使得空地集群在受到网络攻击的情况下实现对一致性信号的追踪的协同控制方法。
为解决上述技术问题，发明一种空地异构无人集群协同控制方法，该方法设计云雾计算架构，引入分散-聚集函数，并采用事件触发机制减少Dos攻击所带来的影响，实现Dos攻击下空地无人集群安全协同控制，其特征在于以下步骤：
(1)在三维空间中通过无人机的空间位置、速度、加速度等信息构建无人机模型，在二维平面中通过无人车的坐标、航向角、速度等信息构建无人车模型。
(2)引入云雾计算架构、聚集-分散函数建立空地异构无人集群系统模型，定义云网络渐近一致性误差、雾网络分布式平均一致性误差，并且建立Dos攻击模型。
(3)引入事件触发机制，在事件触发时刻获取由每个雾节点所构成的整体，即宏智能单元(Macro intelligent unit,MIU)的速度、位移误差信息，在是否受到Dos攻击两种情况下定义Lyapunov函数，设计基于领导跟随策略的云网络控制器。
(4)为实现对云网络传输的参考一致性信号追踪，通过事件触发机制获取事件触发时刻无人机、无人车即智能单元(Intelligent unit,IU)的速度、位移误差信息，定义Lyapunov函数，设计雾网络控制器
本发明与现有技术相比，其显著优点为：1)该分布式云雾计算协同方案，在云网络中实现基于leader-following策略的安全一致性控制，在雾网络中实现分布式平均一致性控制。该方案具有较好的可扩展性，适合大规模群体协作。2)为了减少云-雾网络链路之间Dos攻击的负面影响，引入了事件触发机制。相应地，基于云-雾计算方案，提出安全一致性的定义及其控制律，系统的鲁棒性和可靠性显著提高。3)考虑群体的聚集-分散特性，建立一种具有较高灵活性的非均匀非线性集群控制系统，提高了群体系统的灵活性。
附图说明
下面结合附图对本发明做进一步详细说明。
图1是本发明所述方法中Dos攻击下通过云和雾计算的异构群体协同控制示意图。
图2是本发明所述方法流程图。
具体实施方式
本发明提出了一种基于云雾计算的网络攻击下异构非线性集群系统协同控制方法，通过引入事件触发函数，分散-聚合函数等确保集群安全协同控制。其特征在于以下步骤：
1)智能单元模型建立方法：
A.无人机模型建立方法：
在三维空间中通过无人机的空间位置、速度、加速度等信息构建无人机模型，在二维平面中通过无人车的坐标、航向角、速度等信息构建无人车模型。
A.异构集群系统模型。
无人机的运动学方程可以表示为
其中，是重力加速度；χi为无人机俯仰角；Vi表示无人机的速度；φi为偏航角,偏航角速度为/>[xi yi zi]T为无人机在三维空间中的坐标；[a1i a2i a3i]T分别表示无人机的切向加速度、法向加速度的垂直分量和法向加速度的水平分量。
为了便于集群控制器的设计，引入了新的控制变量[uxi uyi uzi]T，分别表示第i架无人机纵向、横向和高度通道的虚拟控制量，则有
其中，
因此，第i架无人机的位移子系统可表示为
其中，i＝1,2,...,m，m为无人机数量，[ɡ1i ɡ2i ɡ3i]T分别表示重力加速度沿三维坐标轴的分量。
B.无人车模型建立方法：
无人车运动学方程可以表示为
其中，(xmi,ymi)是第i个无人车质心的坐标；为无人车的航向角；vi和ωi分别表示线速度和角速度。以无人车前方中点(xi,yi)为参考点，/>ιi从质心到参考点的距离。据此可得
令
则无人车模型可表示为
其中N-m为无人车数量。
C.异构模型建立方法：
考虑到地层在XY平面上形成，异构集群可以写成
其中i＝1,...,m表示无人机的序列号，i＝m+1,...,N代表无人车的序列号。为了便于后续设计过程，做出以下假设。
假设1：集群中存在leader，通信拓扑图中包含以leader节点为根的有向生成树。
假设2：对于任意变量x,v,x0,v0∈Rn×n，存在非负实数ρ1和ρ2，使得非线性函数ɡ(·)满足以下Lipschitz条件
||ɡ(x,v,t)-ɡ(x0,v0,t0)||≤ρ1||x-x0||+ρ2||v-v0|| (11)
注1：无人车和无人机统称为智能单元(Intelligent unit,IU)。
2)空地无人集群建模方法：
A.云雾计算架构：
如图1所示，将云雾计算引入到异构集群模型中，提出了一种分布式集群控制算法，控制原理图如图2所示，其中雾网络Vs,p是由N个异构智能体组成的局域网(LAN)，其中Vs,p表示第s个云中的第p个雾。为了实现大规模群体的协同控制，把每个雾节点作为一个整体，即宏智能单元(Macro intelligent unit,MIU)。云网络Ws可以被看作是由n个MIU组成的广域网(WAN)，其中Ws表示整个系统中的第s个云。在云中采用领导者跟随策略，其中存在虚拟领导者和n个MIU作为跟随者。同时，对雾网络中的N个智能单元(Intelligent unit,IU)进行分布式平均一致性控制，其参考平均状态为云网络协同控制后的MIU的状态。
跟随MIU的模型可以表示为
其中，和/>分别表示第i个MIU的位置、速度、非线性项和控制输入，所述MIU是对无人机和无人车的统称，当i位于区间[1，m]时代表无人机，当i位于区间[m+1，n]无人车。
类似地，虚拟领导者的模型可以表示为公式
B.聚集-分散函数作用方法：
该控制方法不同于编队控制和传统的一致性控制，引入了智能单元之间的聚合-分散函数，并定义为hij。在该函数的作用下，群体在运动时可以实现聚集或分散。
假设3：聚集-分散函数hij是关于时间t的足够光滑的函数，其具有所有阶导数并且导数是有界的。
定义一：如果一个群系统由多个智能单元组成，当它满足以下条件该系统可称为异构非线性集群系统，相应的控制方法称为集群控制。
1)系统中的智能单元均为不同维度或不同的动力学模型，并且每个个体包含非线性项；
2)智能单元可以自动构建通信拓扑，当群体移动时，可根据需要切换通信拓扑；
3)集群模型包含时变函数项：聚集-扩散函数hij，当hij为0时，集群控制问题转化为一致性问题；当hij表示每个智能单元Δi之间的期望相对误差时，集群控制问题转化为编队保持问题。
C.云网络渐近一致性误差系统建模：
在云雾通信链路之间的Dos攻击下，对于云网络Ws中的MIU的任何初始状态，如果当i,j∈Ws，云网络系统满足等式(14)与等式(15)则云网络Ws被称为渐近一致。
D.雾网络分布式平均一致性误差系统建模：
对于雾网络Vs,p中IU的任何初始状态，如果雾网络系统满足
其中i,j∈Vs,p，则称雾网络实现一致性。特别若满足
其中，
则认为雾网络IU实现了分布式平均一致性，其中xi(c)和vi(c)是雾网络Vs,p的来自云网络协作之后的参考状态；Δxj(t)和Δvj(t)是为达到所需参考状态而设置的初始状态增量。
E.Dos攻击序列及事件触发控制：
Dos攻击是网络攻击的主要类型之一，通过干扰系统组件来降低数据传输的成功率。当通信通道受到Dos攻击时，通信可能中断。即当Dos攻击发生时，群控制器失效。建立了一个能量有限的非周期Dos攻击模型。假设Dos攻击者可以在任何时刻对群体系统发起攻击，而攻击者由于需要积累能量，需要在一段时间后停止攻击。
同时，引入事件触发控制。表示事件触发序列，/>表示Dos攻击发起的时间顺序。/>表示第i个智能单元(IU)的第k个事件触发。/>表示发起第m次攻击的时刻，τm是第m次攻击的持续时间。对于τm>0，第m次Dos攻击的时间可以表示为/>其中对于t≥t0，当系统受到Dos攻击时，宏智能单元不能正常通信的时区为
其中，h为系统采样周期，为MIU最近一次事件的触发时间，/>为当前事件的触发时间，/>为系统受到Dos攻击后的触发函数。
同样，当系统未受到Dos攻击时，MIU之间正常通信的周期为
|Ξs(t0,t)|＝[t0,t]\|Ξa(t0,t)| (20)
假设4：给出了Dos攻击的以下假设：(Dos攻击频率)假设Na(t1,t2)是时间间隔[t1,t2]中的攻击次数，则攻击频率满足
假设5：(Dos攻击持续时间)存在常数T＞1和κ＞0，使得公式(22)成立。
其中，是Dos攻击持续时间的百分比；|Ξa(t1,t2)|是Ξa(t1,t2)的时间长度。
注2：由于智能单元的触发时刻是由离散的采样点产生的，故最小触发间隔为采样周期h。在该采样机制下可有效地避免Zeno行为。
注3：假设4和假设5是集群系统在Dos攻击下达成一致性的必要条件。如果Dos攻击的频率是无限的，或者持续时间是无限的，系统中的MIU就无法接收到虚拟领导者和邻居智能单元的信息，所有的数据传输可能会一直失败，导致系统不稳定。无限频率和时间的攻击需要攻击者持续提供能量，而这在真实的世界中不存在。因此，假设4和假设5合理。
F：集群系统安全一致性判定方法：
对于由多个异构智能单元组成的集群系统，这些智能单元被划分为不同的云雾网络。在Dos攻击下，当集群中的雾网络实现分布式平均一致性，云网络实现渐近跟随一致性，所有的IU和MIU在聚集-分散函数下实现期望的分离和聚集的形成效果，则称集群系统实现了安全一致性。
2)云网络渐近一致性控制器
A.基于leader-following策略的MIU控制方法：
引理1：对于线性矩阵不等式
其中Q＝QT且R＝RT，等价于
1)Q＞0,R-STQ-1S＞0
2)R＞0,Q-SR-1ST＞0
引理2：如果存在函数V(x(t))和常数a1，a2，使得它的导数满足
1)
2)
则有
首先，为了更好地描述Dos攻击下MIU的事件触发，定义
其中是第i个MIU的事件触发时刻。同时，云网络中第i个MIU的控制律定义为
其中，是第i个MIU的邻接矩阵元素；/>和/>分别表示位置和速度的耦合强度；c是控制增益。当云网络受到Dos攻击时，c＝0，即MIU此时无法相互通信，此时云控制器失效。正常情况下，c＝1。如果di＝1意味着第i个MIU可以与虚拟领导者通信，否则di＝0。
第i个MIU的事件触发时刻定义为
其中触发函数可以表示为
其中和/>为控制系数，且有
定义
在引入事件触发器之后，在等式(12)中的第i个MIU的系统模型被简化转化为矩阵形式，即如
其中
其中，表示由MIU组成的网络拓扑对应的拉普拉斯矩阵；云网络的度矩阵为
令则等式(31)可写为
其中当云网络被Dos攻击时，等式(31)转换为
将事件触发时间和等式(27)和等式(28)中的条件联合，有
其中令/>根据引理1，得到不等式
其中由此不等式(36)可写为
至此，云网络控制误差模型已在(37)中建立。
B.Dos攻击下MIU系统的渐近一致性证明方法：
定理1：对于等式(31)中由Dos攻击下的MIU组成的云系统，其满足假设4和5。如果满足以下两个条件1)和2)，则在等式(26)中的控制律的作用下，第s层云中的所有MIU可以实现领导者跟随的安全一致性。
1)控制增益c满足不等式
其中
2)存在一个常数γ*∈(0,γ1)使得Dos攻击的频率和持续时间满足
其中
证明：考虑到云网络可能受到Dos攻击，Lyapunov函数定义为
进而通过基于Dos攻击或不攻击的情况对云网络的安全一致性进行证明。
a.无Dos攻击
无Dos攻击的情况当系统正常工作且t∈Ξs(t0,t)时，Lyapunov函数可表示为
其中
根据引理1，如果成立，则/>且/>此外，当且仅当满足/>
在等式(36)中沿着误差系统的轨迹取对时间的导数，即
将代入等式(44)，可得/>
其中根据Young不等式缩放方程(45)，可得
此外，
式中据此，方程式(42)可以写成
式中，
根据引理1，如果M＞0，则当满足不等式(51)、(52)时，J＞0且U＞0。
/>
此外，令则有不等式(53)成立。
b.Dos攻击
当系统在t∈Ξa(t0,t)受到攻击时，Lyapunov函数定义为
式中
类似地，对于等式(54)的两侧取关于时间t的导数，可以得到
令则有
基于Young不等式，联立等式(53)和等式(57)，有
由等式(58)得，对任意初始时刻t≥0，不等式(59)成立。
其中
/>
结合假设4和5，不等式(61)成立。
令则有不等式(62)成立。
因此，当满足定理1中的条件1)和2)时，云网络系统可以在Dos攻击下实现指数跟踪一致性，完成证明。
注4：如果云网络稳定，Dos攻击需要满足特定要求。当攻击频率太快或持续时间太长时，无法计算出合适的γ*，云网络将无法达成一致性，与实际情况相符。
3)雾网络分布式平均一致性控制器
A.雾网络分布式平均一致性控制方法：
引理3：对于矩阵A∈Cm×n，以下性质成立：
1)||A+B||≤||A||+||B||
2)
首先，雾网络Vs,p中的第i个IU的控制律可以设计为
其中k1和k2表示控制系数。此外，事件触发被引入雾网络控制中。当雾触发函数fi(t)≥0时，事件触发器会将IU的状态传递给雾控制器，触发时间可以确定为
令
则式(63)可表示为
令，
其中和/>分别表示雾中第i个IU的位置和速度误差。将等式(67)代入式(66)，可得
/>
联立等式(65)和等式(68)，可以得到以下矩阵形式的方程
其中，
ɡ(x,v,t)＝[ɡT(x1,v1,t),...,ɡT(xN,vN,t)]T。进而所有IU的位置和速度分解为
其中δx(t)和δv(t)是非均匀状态分量。为了进一步分析雾的一致性，令，
联立式(71)与(72)，可得
其中，
则等式(73)可以写成矩阵形式，即
其中，
B.雾网络一致性及稳定性证明：
由上述内容可知，由空间中的异构智能单元组成的雾网络的平均一致性问题等价地转化为分析方程(75)所表示的系统稳定性问题。当其为渐近稳定时，可以通过方程(71)雾网络系统实现状态的平均一致性。
定理2：考虑等式(10)中的雾网络系统，由空间-地面异构IU组成，其由等式(4)和等式(9)表示。根据等式(66)所给出的控制规律，对于雾中的第i个IU，事件触发条件为
如果不等式(78)成立，则雾系统实现分布式平均一致性。
λ2(L)-2αk|Vsp|＞0 (78)
其中k＝max(k1,k2)；0＜σi＜1。对于该分布式平均一致性，由云网络传输的任意参考平均一致性状态满足等式(16)和等式(17)。
构造Lyapunov函数为，
其中
又由
可得
然后，取V(t)在等式(75)中沿着系统的轨迹的时间方面的导数，其遵循
令H(t)＝[h(t) h(t)]T，根据Young不等式，引理3及假设2，得到
当等式(77)中的事件触发条件满足，式(84)可写为
故当且仅当且/>等式(45)成立。结合Lyapunov稳定性理论可知，该网络雾系统渐近稳定。对于任何初始状态δx(0)和δx(0)，有
根据以上分析，雾端第i个IU的事件触发函数可以定义为
其中是fi(t)＝0的解序列，在每个时间触发时刻，其保持式
证毕。
Claims (7)
1.一种空地异构无人集群协同控制方法，其特征在于，包括以下步骤：
步骤1，在三维空间中通过无人机的空间位置、速度、加速度信息构建无人机模型，在二维平面中通过无人车的坐标、航向角、速度信息构建无人车模型,无人机和无人车形成异构集群，并建立异构集群模型；
步骤2，引入云雾计算架构、聚集-分散函数建立空地异构无人集群系统模型，定义云网络渐近一致性误差、雾网络分布式平均一致性误差，并且建立Dos攻击模型；
步骤3，引入事件触发机制，在事件触发时刻获取由每个雾节点所构成的整体，即宏智能单元MIU的速度、位移误差信息，在是否受到Dos攻击两种情况下定义Lyapunov函数，设计基于领导跟随策略的云网络控制器；
步骤4，为实现对云网络传输的参考一致性信号追踪，获取事件触发时刻无人机、无人车即智能单元IU的速度、位移误差信息，定义Lyapunov函数，设计雾网络控制器。
2.根据权利要求1所述一种空地异构无人集群协同控制方法，其特征在于，包括以下步骤：步骤1中的无人机、无人车以及集群模型建立方法为：
A.通过无人机的空间位置、速度、加速度信息构建无人机模型；
无人机的运动学方程可以表示为：
其中，是重力加速度；χi为无人机俯仰角；Vi表示无人机的速度；φi为偏航角,偏航角速度为ρ＝1/Vicosχi；[xi yi zi]T为无人机在三维空间中的坐标；[a1i a2i a3i]T分别表示无人机的切向加速度、法向加速度的垂直分量和法向加速度的水平分量；
通过引入新的控制变量[uxi uyi uzi]T，分别表示第i架无人机纵向、横向和高度通道的虚拟控制量，第i架无人机的模型可表示为
其中，i＝1,2,...,m，m为无人机数量，[ɡ1i ɡ2i ɡ3i]T分别表示重力加速度沿三维坐标轴的分量；
B.无人车模型建立方法：
对无人车进行建模，其运动学方程可以表示为
以无人车前方中点(xi,yi)为参考点，ιi从质心到参考点的距离，并令
无人车模型可表示为
其中N-m为无人车数量；
C.异构集群模型建立方法：
考虑到地层在XY平面上形成，异构集群写为
其中i＝1,...,m表示无人机的序列号，i＝m+1,...,N代表无人车的序列号，无人车与无人机统称为智能单元IU。
3.根据权利要求1所描述的空地异构无人集群协同控制方法，其特征在于，步骤2中引入云雾计算架构、聚集-分散函数建立空地异构无人集群系统模型，具体为：
A.云雾计算架构：
云网络Ws是由n个由每个雾节点所构成的整体，即宏智能单元MIU组成的广域网WAN，雾网络Vs,p是由N个异构智能体组成的局域网LAN；在云网络中采用领导跟随策略，由一个虚拟领导者与n个MIU跟随者组成，雾网络中的N个智能单元IU进行分布式平均一致性控制，其参考平均状态为云网络协同控制后的MIU的状态；
B：聚集-分散函数作用方法：
引入智能单元之间的聚合-分散函数hij，在该函数的作用下，群体在运动时实现聚集或分散，当hij为0时，集群控制问题转化为一致性问题；当hij表示每个智能单元Δi之间的期望相对误差时，集群控制问题转化为编队保持问题；
C.云网络渐近一致性误差：
如果当i,j∈Ws，云系统满足
则云网络Ws被称为渐近一致，其中为t时刻各个雾网络位置，速度状态，xc(t)，vc(t)为t时刻各个雾网络期望位置，速度状态；
D.雾网络分布式平均一致性误差：
如果当i,j∈Vs,p，雾网络系统满足
则称雾网络实现一致性；特别若满足
则认为雾网络智能单元实现了分布式平均一致性，其中xi(c)和vi(c)是雾网络Vs,p的来自云网络协作之后的参考状态；Δxj(t)和Δvj(t)是为达到所需参考状态而设置的初始状态增量；
E：Dos攻击模型：
引入事件触发控制建立能量有限的非周期Dos攻击模型，对于t≥t0，当系统受到Dos攻击时，宏智能单元MIU不能正常通信的时区为
其中，h为系统采样周期，表示第i个智能单元的第k个事件触发，/>为MIU最近一次事件的触发时间，lih为距上次触发时间，/>为第m次Dos攻击时间，/>为系统受到Dos攻击后的触发函数；
同样，当系统未受到Dos攻击时，MIU之间正常通信的周期为公式
|Ξs(t0,t)|＝[t0,t]\|Ξa(t0,t)|
F：集群系统安全一致性判定方法：
在Dos攻击下，当集群中的雾网络实现分布式平均一致性，云网络实现渐近一致性，所有的IU和MIU在聚集-分散函数下实现期望的分离和聚集的形成效果，则称集群系统实现了安全一致性。
4.根据权利要求3所描述的空地异构无人集群协同控制方法，步骤3中云网络控制器设计方法为：
首先定义第i个MIU的事件触发时刻为
事件触发时刻云网络中第i个MIU的速度、位移误差变量为
其中触发函数可以表示为
其中和/>为控制系数；且有
定义
考虑云网络有可能受到Dos攻击，Lyapunov函数定义为
其中无Dos攻击的情况当系统正常工作且t∈Ξs(t0,t)时，Lyapunov函数为
式中，
当系统在t∈Ξa(t0,t)受到攻击时，Lyapunov函数为
式中，
最后设计云网络中第i个MIU的控制器为
其中，是第i个MIU的邻接矩阵元素；/>和/>分别表示位置和速度的耦合强度；c是控制增益。
5.据权利要求4所描述的空地异构无人集群协同控制方法，其特征在于，步骤4的雾网络控制器设计方法为：
将事件触发引入雾网络控制，当雾触发函数fi(t)≥0时，事件触发器会将IU的状态传递给雾控制器，触发时间定义为
事件触发时刻雾网络中第i个IU的位置和速度误差为
其事件触发函数可表示为
其中是fi(t)＝0的解序列，/>和/>分别表示雾中第i个IU的位置和速度误差，δx(t)和δv(t)是非均匀状态分量，k为控制系数；
对于雾网络分布式平均一致性，基于云网络传输的任意参考平均一致性状态构造Lyapunov函数为
其中，构造Lyapunov函数为，
其中
最后设计雾网络Vs,p中的第i个IU的控制器为
其中k1和k2表示控制系数。
6.根据权利要求2所描述的空地异构无人集群协同控制方法，其特征在于，云雾计算架构中，跟随MIU的模型表示为
其中，和/>分别表示第i个MIU的位置、速度、非线性项和控制输入；
类似地，虚拟领导者的模型表示为公式
7.根据权利要求3所描述的空地异构无人集群协同控制方法，其特征在于，在建立Dos攻击模型中给出了以下关于Dos攻击频率和Dos攻击持续时间的假设：
关于Dos攻击频率，假设Na(t1,t2)是时间间隔[t1,t2]中的攻击次数，则攻击频率满足
关于Dos攻击持续时间：存在常数T＞1和κ＞0，使得公式以下成立；
其中，是Dos攻击持续时间的百分比；|Ξa(t1,t2)|是Ξa(t1,t2)的时间长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310735701.9A CN116880434B (zh) | 2023-06-20 | 2023-06-20 | 网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310735701.9A CN116880434B (zh) | 2023-06-20 | 2023-06-20 | 网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116880434A true CN116880434A (zh) | 2023-10-13 |
| CN116880434B CN116880434B (zh) | 2024-01-23 |
Family
ID=88263412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310735701.9A Active CN116880434B (zh) | 2023-06-20 | 2023-06-20 | 网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116880434B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930791A (zh) * | 2023-12-12 | 2024-04-26 | 山东科技大学 | 一种地面无人车系统安全控制的切换方法及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106101199A (zh) * | 2016-06-02 | 2016-11-09 | 西安电子科技大学 | 一种基于sdn的云/雾混合网络架构 |
| CN106911762A (zh) * | 2017-01-16 | 2017-06-30 | 西安电子科技大学 | 一种在sdn中基于雾计算的架构及其处理方法 |
| US20170295609A1 (en) * | 2016-04-06 | 2017-10-12 | Cisco Technology, Inc. | Dynamic network connectivity using unmanned aerial vehicles |
| CN107493334A (zh) * | 2017-08-18 | 2017-12-19 | 西安电子科技大学 | 一种云雾计算网络架构及增强云雾网络架构可靠性的方法 |
| WO2018066744A1 (ko) * | 2016-10-06 | 2018-04-12 | 동국대학교 산학협력단 | 멀티 드론 제어 시스템 및 방법 |
| US20180288774A1 (en) * | 2017-01-25 | 2018-10-04 | Tata Consultancy Services Limited | Method and system for communication link prediction in distributed robotic networks |
| CN108780322A (zh) * | 2017-05-24 | 2018-11-09 | 深圳市大疆创新科技有限公司 | 用于控制无人机的方法和装置及无人机系统 |
| KR20190023633A (ko) * | 2017-08-29 | 2019-03-08 | 인하대학교 산학협력단 | 다수의 무인 비행체를 이용한 광역 자율탐색 방법 및 시스템 |
| CN113359828A (zh) * | 2021-06-09 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种基于空地协同的无人机控制权交接方法 |
| CN113906716A (zh) * | 2019-06-07 | 2022-01-07 | 瑞典爱立信有限公司 | 雾节点资源的分配 |
| CN114020042A (zh) * | 2021-12-14 | 2022-02-08 | 北京航空航天大学 | 一种异构无人集群编队合围跟踪控制方法及系统 |
| CN114815830A (zh) * | 2022-04-27 | 2022-07-29 | 北京理工大学 | 一种基于一致性算法的空地集群协同组网控制系统及方法 |
| CN114935915A (zh) * | 2022-05-17 | 2022-08-23 | 重庆邮电大学 | 一种DoS攻击下异质无人系统的安全分组一致控制方法 |
| CN115657722A (zh) * | 2022-11-01 | 2023-01-31 | 重庆邮电大学 | 一种基于事件触发脉冲控制的智能无人集群系统一致性编队控制方法 |
-
2023
- 2023-06-20 CN CN202310735701.9A patent/CN116880434B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170295609A1 (en) * | 2016-04-06 | 2017-10-12 | Cisco Technology, Inc. | Dynamic network connectivity using unmanned aerial vehicles |
| CN106101199A (zh) * | 2016-06-02 | 2016-11-09 | 西安电子科技大学 | 一种基于sdn的云/雾混合网络架构 |
| WO2018066744A1 (ko) * | 2016-10-06 | 2018-04-12 | 동국대학교 산학협력단 | 멀티 드론 제어 시스템 및 방법 |
| CN106911762A (zh) * | 2017-01-16 | 2017-06-30 | 西安电子科技大学 | 一种在sdn中基于雾计算的架构及其处理方法 |
| US20180288774A1 (en) * | 2017-01-25 | 2018-10-04 | Tata Consultancy Services Limited | Method and system for communication link prediction in distributed robotic networks |
| CN108780322A (zh) * | 2017-05-24 | 2018-11-09 | 深圳市大疆创新科技有限公司 | 用于控制无人机的方法和装置及无人机系统 |
| CN107493334A (zh) * | 2017-08-18 | 2017-12-19 | 西安电子科技大学 | 一种云雾计算网络架构及增强云雾网络架构可靠性的方法 |
| KR20190023633A (ko) * | 2017-08-29 | 2019-03-08 | 인하대학교 산학협력단 | 다수의 무인 비행체를 이용한 광역 자율탐색 방법 및 시스템 |
| CN113906716A (zh) * | 2019-06-07 | 2022-01-07 | 瑞典爱立信有限公司 | 雾节点资源的分配 |
| CN113359828A (zh) * | 2021-06-09 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种基于空地协同的无人机控制权交接方法 |
| CN114020042A (zh) * | 2021-12-14 | 2022-02-08 | 北京航空航天大学 | 一种异构无人集群编队合围跟踪控制方法及系统 |
| CN114815830A (zh) * | 2022-04-27 | 2022-07-29 | 北京理工大学 | 一种基于一致性算法的空地集群协同组网控制系统及方法 |
| CN114935915A (zh) * | 2022-05-17 | 2022-08-23 | 重庆邮电大学 | 一种DoS攻击下异质无人系统的安全分组一致控制方法 |
| CN115657722A (zh) * | 2022-11-01 | 2023-01-31 | 重庆邮电大学 | 一种基于事件触发脉冲控制的智能无人集群系统一致性编队控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| DI WU: "A Cooperative Computing Strategy for Blockchain-Secured Fog Computing", INTERNET OF THINGS JOURNAL, vol. 7, no. 7, pages 6603 - 6609, XP011798239, DOI: 10.1109/JIOT.2020.2974231 * |
| 任智源;侯向往;郭凯;张海林;陈晨;: "分布式卫星云雾网络及时延与能耗策略", 浙江大学学报(工学版), no. 08, pages 49 - 56 * |
| 周思圈: "无人机－无人车异构时变编队控制与扰动抑制", 《航空学报》 * |
| 艾莉;: "非线性无人机集群系统分布式编队控制", 重庆理工大学学报(自然科学), no. 04, pages 176 - 181 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117930791A (zh) * | 2023-12-12 | 2024-04-26 | 山东科技大学 | 一种地面无人车系统安全控制的切换方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116880434B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021017227A1 (zh) | 无人机轨迹优化方法、装置及存储介质 | |
| CN110703795B (zh) | 一种基于切换拓扑的无人机群协同安全控制方法 | |
| CN110162086A (zh) | 一种基于模型预测控制框架的集群无人机编队方法 | |
| CN116880434B (zh) | 网络攻击下基于云雾计算的无人机-无人车集群协同控制方法 | |
| CN109116868A (zh) | 分布式无人机编队协同控制方法 | |
| CN111522361A (zh) | 主-从模式的多无人机编队一致性控制方法 | |
| CN112631335B (zh) | 一种基于事件触发的多四旋翼无人机固定时间编队方法 | |
| CN112859910A (zh) | 考虑隐私保护的无人机编队事件触发一致性控制方法及系统 | |
| CN113552899B (zh) | 一种通信链路受限下的多无人机自主协同搜索方法 | |
| CN112859915A (zh) | 基于饱和阈值事件触发的高层消防无人机编队控制方法及系统 | |
| CN111193630A (zh) | 一种区块链物联网管理的非线性自适应闭环控制系统 | |
| CN112947086A (zh) | 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法 | |
| CN102065446A (zh) | 面向群组移动环境的拓扑控制系统及控制方法 | |
| CN116560240B (zh) | 计算机可读存储介质及二阶多智能体一致性控制系统 | |
| Lv et al. | Multi-robot distributed communication in heterogeneous robotic systems on 5G networking | |
| CN111596688A (zh) | 基于连续通信的多无人机编队一致性控制方法 | |
| CN114861435B (zh) | 有限时间观测器下的多智能体系统一致性滑模控制算法 | |
| CN113110113B (zh) | 一种带通信约束的离散多智能体系统实现分组一致的方法 | |
| CN115657722A (zh) | 一种基于事件触发脉冲控制的智能无人集群系统一致性编队控制方法 | |
| CN114660938A (zh) | 一种网络攻击下协同自适应巡航系统的安全控制方法 | |
| Zhang et al. | H∞ robust control design for teleoperation systems | |
| Quan et al. | Interpretable and Secure Trajectory Optimization for UAV-Assisted Communication | |
| Li et al. | Cooperative Control of Air-ground Swarms Under DoS Attack via Cloud-Fog Computing | |
| Zhao et al. | Dynamic Control Design for UAV Formation Tracking with Time Delays | |
| CN114879681A (zh) | 一种基于神经网络的多机器人全局稳定编队控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |